GSE157356:Mdm2错剪接导致MFDM Eftud2突变小鼠模型P53活性升高与颅面缺陷
该数据集来自NCBI GEO,标题为GSE157356,研究MFDM Eftud2突变小鼠模型中Mdm2错剪接导致P53活性升高与颅面缺陷

基本信息
资源简介
GSE157356:Mdm2错剪接导致MFDM Eftud2突变小鼠模型P53活性升高与颅面缺陷
Mis-splicing of Mdm2 leads to Increased P53-Activity and Craniofacial Defects in a MFDM Eftud2 Mutant Mouse Model
该数据集来自NCBI GEO,标题为GSE157356,研究MFDM Eftud2突变小鼠模型中Mdm2错剪接导致P53活性升高与颅面缺陷。源站描述指出EFTUD2是剪接体核心组分,在伴小头畸形的下颌面骨发育不全(MFDM)患者中发生突变,本研究在神经嵴细胞中考察该基因的作用。数据集含1个文件(GSE157356_series_matrix.txt.gz),主题为高通量测序表达谱,物种标签10090,平台GPL21103。可用于分析Eftud2突变下神经嵴细胞的表达变化及Mdm2剪接异常与P53通路的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):目的:EFTUD2是一种GTP酶,也是剪接体的核心组分,已知在伴小头畸形的下颌面骨发育不全(MFDM)患者中发生突变。在本研究中,我们考察该基因在神经嵴细胞中的作用,神经嵴细胞是MFDM患者中受累骨骼和软骨的前体细胞。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL21103、10090。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE157356
【使用注意】
· 源站最后修改于 Nov 21 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE157356
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
目的:EFTUD2是一种GTP酶,也是剪接体的核心组分,已知在伴有小头畸形的下颌面骨发育不全(MFDM)患者中存在突变。本研究探讨该基因在神经嵴细胞中的作用,神经嵴细胞是MFDM患者受累骨骼和软骨的前体细胞。方法:我们构建了Eftud2条件突变小鼠品系,并利用Wnt1-Cre2在神经嵴细胞中将其敲除。结果:我们显示Eftud2纯合缺失导致神经嵴细胞死亡以及胚胎大脑和颅面区域畸形。对胚胎头部的RNAseq分析显示,突变体中外显子跳跃和内含子保留显著增加,且缺乏外显子3的Mdm2转录本水平富集。突变体还表现出核内P53增加、P53靶基因表达升高以及细胞死亡增加。当突变胚胎用Pifithrin-alpha(一种P53抑制剂)处理时,颅面发育显著改善。结论:我们提出,EFTUD2突变导致的颅面缺陷是Mdm2错误剪接和P53相关细胞死亡的结果。
因此,减少P53活性的药物可能有助于预防与剪接体病相关的颅面缺陷。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




